蒟蒻花了一个晚上研究斜率优化qwq 不过大概还是搞明白了.
斜率优化是啥
其实是一种优化动态规划的方法.我认为斜率优化是建立在决策单调性的基础上的.如对于形如这样的状态转移方程 f[i]=min/max(f[j]+xxx(j<i)) 其复杂度为 O(n2) 而我们通过化式子来得到无论对于哪一个i,在j点进行决策一定要比k点进行决策更优,可以证明时间复杂度可降为 O(n)
如何进行斜率优化?
首先先从一道入门题开始吧!
BZOJ1010 玩具装箱
首先我们可以很容易地得到朴素的状态转移方程:
f[i]=min(f[j]+(sum[i]−sum[j]+i−j−1−L)2)
其中
sum[i]
表示
c[i]
的前缀和,且
j<i
接下来考虑优化,我们设
j<k
且在k决策比在j决策更优,即有
f[k]+(sum[i]+i−sum[k]−k−1−L)2<f[j]+(sum[i]+i−sum[j]−j−1−L)2
设
T[i]=sum[i]+i
则我们展开上式有
f[k]−f[j]+(T[k]+L+1)2−(T(j)+L+1)22∗(T[k]−T[j])<T[i]
我们设
yi=f[i]−(T[i]+L+1)2,xi=2∗T[i]
则上式可以化为
yk−yjxk−xj<T[i]
我们发现对于
k=j+1
则在j+1决策比在j决策更优当且仅当
yj+1−yjxj+1−xj<T[i]
,即我们可以舍去j这个决策点.
那么我们可以用单调队列维护这个上凸性的东西,l代表队首,r代表队尾
而当
yi−yq[r]xi−xq[r]<yq[r]−yq[r−1]xq[r]−xq[r−1]
时,在r-1决策一定要比在r决策要更优,pop队尾
代码如下
#include<iostream>
#include<iomanip>
#include<cstdio>
#include<algorithm>
#include<cmath>
#include<cstring>
#define maxn 50010
#define ll long long
using namespace std;
ll n,s[maxn],f[maxn],l,q[maxn],head,tail;
ll p(ll v) {return s[v]+v;}
double xl(ll k,ll j)
{return (f[k]-f[j]+(p(k)+l)*(p(k)+l)-(p(j)+l)*(p(j)+l))/(2.0*(p(k)-p(j)));}
int main()
{
scanf("%lld%lld",&n,&l);l++;
for(ll i=1;i<=n;++i)
{scanf("%lld",&s[i]);s[i]+=s[i-1];}
head=tail=1;
for(int i=1;i<=n;++i)
{
while(head<tail&&xl(q[head],q[head+1])<=p(i)) head++;
ll j=q[head];
f[i]=f[j]+(p(i)-p(j)-l)*(p(i)-p(j)-l);
while(head<tail&&xl(q[tail-1],q[tail])>xl(q[tail],i)) tail--;
q[++tail]=i;
}
cout<<f[n];
return 0;
}